公共文化服务平台

搜索到5543篇“ 叶片氮积累量“的相关文章

基于便携式作物生长监测诊断仪的红壤花生叶片氮积累量和叶面积指数监测: 2024年; 通过分析红壤花生不同生育期的生长指标动态变化特征及其与冠层光谱植被指数间的定量关系,以赣花5号和航花2号这2个花生品种为试验对象,设置4个施氮水平,在花生关键生育期(苗期、花针期、结荚期和饱果期)利用便携式作物生长监测诊断仪(CGMD-402)采集冠层光谱植被指数,并同步取样测定各处理的地上部生物量、叶片氮积累量(LNA)和叶面积指数(LAI),构建基于CGMD-402的红壤花生LNA和LAI监测模型。结果表明:施氮水平会对红壤花生植株的生长产生影响,地上部植株的生物量会随着施氮量的增加而增大;叶片氮积累量和叶面积指数均随生育进程的推进整体上表现为先升后降的动态变化特征;花针期与结荚期的花生冠层归一化植被指数(NDVI)与LAI和LNA均具有较好的相关性。因此,可利用便携式作物生长监测诊断仪CGMD-402监测红壤花生的LAI和LNA,为江西省红壤花生的精确施氮管理提供技术支撑。; 黄俊宝曹中盛孙滨峰彭忻怡李艳大; 关键词：叶面积指数叶片氮积累量

基于LassoLars回归算法的水稻叶片氮积累量遥感反演模型和方法: 本发明提供一种基于LassoLars回归算法的水稻叶片氮积累量遥感反演模型，基于LassoLars回归算法的水稻叶片氮积累量遥感反演模型为Python语言的LassoLars回归模型，并进一步提供了该LassoLars回...; 陈青春吴莹莹朱元励万小荣陈小琳张悦王靖岳海峰邢明梅蒋锋; 文献传递

水稻叶片氮积累量遥感反演模型和方法: 本发明提供一种水稻叶片氮积累量遥感反演模型，水稻叶片氮积累量遥感反演模型为Python语言的极端随机树模型，并进一步提供了该极端随机树模型的模型参数。还提供了水稻叶片氮积累量遥感反演方法。本发明的水稻叶片氮积累量遥感反演...; 姜晓剑陈青春朱元励钟平吴莹莹; 文献传递

基于机器学习和可见光光谱的冬小麦叶片氮积累量估算被引量：23: 2016年; 在拔节期分4次采集了6个施氮水平下的冬小麦冠层图像,同步进行取样并以凯氏定氮法测定叶片含氮量,进而计算叶片氮积累量。利用随机森林算法分割冠层图像之后提取冠层覆盖度、可见光波段(R,G和B)三个分量及其衍生的5个色彩指数。以冠层覆盖度外加色彩指数、色彩分量的两种非线性回归,以及人工神经网络、支持向量回归、随机森林3种机器学习算法建立了冬小麦叶片氮积累量的估算模型。结果表明利用色彩指数的非线性回归模型的估算精度稍低于其他方法,而随机森林算法的拟合精度最高,但存在明显的过拟合现象。其他三种方法,即以冠层覆盖度及色彩分量为输入变量的非线性回归、支持向量回归和人工神经网络方法,均具有较高的拟合精度和泛化性能。; 崔日鲜刘亚东付金东; 关键词：冬小麦可见光叶片氮积累量

一种返青后到抽穗以前冬小麦叶片氮积累量估算方法: 本发明涉及作物生化组分光谱无损监测技术领域，公开了一种返青后到抽穗以前冬小麦叶片氮积累量估算方法，包括了冠层图像采集分析、田间样品采集处理、估算模型构建、估算模型验证，采用了支持向量机回归方法建立基于冬小麦冠层图像分析的...; 崔日鲜刘亚东付金东; 文献传递

基于冠层反射光谱的夏玉米叶片氮积累量估测被引量：4: 2014年; 为实现夏玉米冠层氮素状况的实时无损监测,于2009—2010年连续2个生长季,通过不同玉米品种和施氮水平下的田间试验,研究夏玉米叶片氮积累量与冠层反射光谱的相关关系,提出叶片氮积累量的敏感光谱参数,并建立叶片氮积累量的定量估算模型。结果表明,夏玉米叶片氮积累量随施氮水平的提高而增加;可见光波段的460~670 nm和近红外区的780~1100 nm是监测玉米叶片氮积累量变化差异的敏感波段;归一化植被指数（NDVI）、优化的简单比值指数（MSR）、优化土壤调节植被指数（OSAVI）、修正土壤调整植被指数（MSAVI）和土壤调整植被指数（SAVI）与叶片氮积累量相关性较好。利用不同年际独立试验数据对监测模型进行检验,以OSAVI为自变量构建的叶片氮积累量监测模型效果最优,相关系数（r）为0.6745,均方根差（RMSE）为1.2368。利用本研究确立的玉米叶片氮积累量与冠层反射光谱的定量关系,可用来定量估测叶片氮积累量的变化状况。; 李国强吴士文郑国清张学治冯晓张杰胡峰; 关键词：夏玉米冠层反射光谱叶片氮积累量

基于地—空遥感耦合的冬小麦叶片氮积累量估算被引量：6: 2012年; 利用不同冬小麦生态区同步的SPOT-5多光谱遥感影像、地面光谱数据和植株取样数据,提出一种基于波谱响应函数拟合和混合像元分解的纯净像元光谱提取方法,并对比分析了纯净像元光谱、模拟像元光谱和实测像元光谱与冬小麦叶片氮积累量(LNA)的定量关系.结果表明:模拟像元光谱对叶片氮积累量的反演效果较好,纯净像元光谱反演效果次之,实测像元光谱最差;但基于模拟像元光谱的LNA监测模型不能直接外推至空间尺度.模型检验结果表明,基于纯净像元光谱的LNA监测模型在2个小麦生态区均具有较好的精度和稳定性,该方法综合利用了地-空遥感的优点,可以推广应用到其他不同空间分辨率和光谱分辨率的遥感数据,从而为区域性冬小麦氮素营养状况的遥感监测提供技术依据.; 王来刚田永超李文龙朱艳曹卫星; 关键词：冬小麦叶片氮积累量混合像元分解

基于高光谱遥感的花生叶片氮积累量监测模型的研究被引量：8: 2012年; 作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义。本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系。结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小;叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰。花生冠层光谱反射率在740～1 100 nm波段内随叶片氮积累量的增加而增加,叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著。通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数(RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797。经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29%和3.59%。NDVI[Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42%和7.41%。比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况。; 张晓艳王丽丽刘锋封文杰刘淑云朱建华; 关键词：花生高光谱遥感叶片氮积累量

加工番茄红边特征参数与叶片氮积累量和叶面积指数的关系被引量：2: 2012年; 本文分析了加工番茄两品种四氮素水平关键生育时期的冠层红边特征,红边参数与其冠层叶片氮积累量(LNA)和叶面积指数(LAI)的相关性。结果表明:加工番茄的红边曲线具有双峰现象,在开花期、盛花期、坐果期,红边位置(λr)向长波方向移动了2～11nm波段,红边曲线峰值(Dr)较大,LNA和LAI较高。到红果期红边位置向短波方向移动了5～10nm波段,红边曲线峰值也较低,LNA和LAI最低,双峰现象在红果期随着施氮量的减少而减弱,说明红边位置的变化可以指示加工番茄生育时期的氮素营养状况。加工番茄2个品种冠层的λr、红边斜率(Dr)和红边面积(SDr)分别与其冠层LNA和LAI的相关性均达到了1%极显著水平,其中里格尔87-5的Dr与LNA的线性相关和SDr与LAI的指数相关最高(rDr-LNA=0.8181**,rSDr-LAI=0.9136**,n=23,α=1%),说明利用红边参数可以实时快速地获取加工番茄冠层LNA和LAI的信息,可有效监测加工番茄的氮素营养状况。; 黄春燕王登伟黄鼎程马云; 关键词：加工番茄叶片氮积累量叶面积指数

基于减量精细采样法估算小麦叶片氮积累量的最佳归一化光谱指数被引量：7: 2010年; 基于6个小麦品种、5个施氮水平、4年田间试验条件下不同生育时期的小麦叶片高光谱反射率和相应的氮含量及生物量,采用减量精细采样法,系统构建了350～2500nm范围内所有两两波段组成的归一化光谱指数[NDSI(i,j)],综合分析了小麦叶片氮积累量(LNA,gN·m-2)与NDSI(i,j)的定量关系,确定了估算叶片氮积累量的新高光谱特征波段和光谱指数,进而建立了小麦叶片氮积累量监测模型.结果表明:估算小麦叶片氮积累量的敏感波段主要存在于可见光区和近红外区,最佳特征波段组合为720nm和860nm;基于NDSI(860,720)的叶片氮积累量监测模型为LNA=26.34×[NDSI(860,720)]1.887(R2=0.900,SE=1.327).利用独立试验资料的检验结果表明,基于NDSI(860,720)建立的回归模型对小麦叶片氮积累量的估测精度为0.823,RMSE为0.991gN·m-2,模型预测值与观察值之间的符合度较高.可利用新的归一化高光谱参数NDSI(860,720)来估算小麦叶片氮积累量.; 姚霞刘小军王薇田永超曹卫星朱艳; 关键词：小麦叶片氮积累量

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈